2018年下半年人工智能行业投资分析报告.pptx

,新AI算力，新“安迪-比尔”成长！,2018年下半年人工智能行业投资分析报告,2018.6.21,结论 “安迪-比尔”规律,和七次IT浪潮类似，人工智能AI也遵循“安迪-比尔”定律，即从 芯片、硬件、到软件、应用、平台, 芯片：ASIC AI芯片已经证明有机会，AMD 7NM GPU掀开新一轮成长 服务器：从X86服务器到基于GPU/FPGA/ASIC的服务器高增，且单价/毛利率大幅提高 与云结合: 蓝海,由于“安迪-比尔”定律传导，出现AIaaS，出现Docker技术，这是机会的蓝海，只是A股未必有很多上市公司能捕捉机会, 数据（场景）：,更新了安防、工业、金融、教育、医疗、汽车、法律等下游, 算法：,依然不必神话,主要内容,1. 回顾：IT六次浪潮与AI产业链2. AI芯片：GPU 7NM，ASIC延续,3. AI新算力与云： AI 服务器 & AISaaS前瞻4. AI 场景与“安迪-比尔”定律: 2018H2行业,展望,5. 投资建议：推荐 曙光/浪潮/赢时胜/华宇等,3,2020sAI物联网代表公司英伟达特斯拉,1970s大型机代表公司IBMControl DataSperryBurroughs,1980s小型机代表公司DEC惠普PrimeData General,1990s个人电脑代表公司微软思科英特尔戴尔,2000s桌面互联网代表公司GoogleeBay新浪BAT,2010s移动互联网代表公司苹果Facebook高通腾讯（微信）,1.1 IT每十年一阶段形成六大阶段 每一轮科技革命都会带来新的赢家IT发展六阶段,1.2 IT发展周期也可概括为“安迪-比尔”传导定律 安迪-比尔定理 （Andy and Bills Law）:,是对IT产业中软件和硬件升级换代关系的一个概括。原话是 “Andy gives, Billtakes away.（安迪提供什么，比尔拿走什么。）” 安迪指英特尔前CEO安迪格鲁夫，比尔指微软前任CEO比尔盖茨。意思是，硬件提高的性能，很快被软件消耗掉了。, 2007年案例”Vista-CPU-内存“的更新传导规律：,微软Vista 不面市：从英特尔到惠普、戴尔等整机厂商，再到 Marvell 和Seagate 等外设厂商，全部销售都受到很大的影响。股票不同程度地下跌了 20%到 40%。Vista 终于上市后的Intel：微软业绩和股票马上提升。英特尔也扭转颓势，当然惠普和戴尔也同时得到增长。Vista上市后的硬盘、内存和其它计算机芯片厂商：Vista 相比前一个版本 XP提供了 20% 的功能，但是内存使用几乎要翻两番，CPU 使用要翻一番。, 即“基础设施通用平台应用层”传导规律。,1.3 算力需求提升推动IT基础设施前行, 晶体管数量的增加和制程工艺的提升使得计算机和消费电子小型化成为现实,小型机时代,PC时代,桌面互联网时代,微处理器晶体管数量与算力需求同步提升,1.4 每一轮科技革命均为基础设施先行, 底层建筑的发展带来上层的繁荣, 电子管晶体管集成电路大规模集成电路引领计算机的每一次小,型化, 光纤与移动通信的发展带来桌面和移动互联网时代,历代标志性IT基础设施,1.5 基础设施条件不足阻碍IT创新成功 芯片性能功耗比与电池续航时间是智能穿戴市场与Google 眼镜无法爆发最主要的制约因素。,50%以上的智能穿戴市场仍被以Fitbit和小米为主的低价手环占领，毛利率低，功能单一,20,17,19,14,18,21,24,151050,20,25,3530,2013,2016,2014智能腕带,2015智能手表,智能手表与手环全球出货量（百万件）30,全球智能穿戴市场市场份额情况（出货量单位：百万件）,1.6 每一代应运而生的通用平台（生态） 通用平台逐渐侧重于生态的建设。,大型机时代的IBM、小型机时代的UNIX 、PC时代的windows和移动互联网时代的IOS与Android。, 通用平台强者恒强，易形成寡头垄断。历代标志性IT基础设施与通用平台,1.7 基于生态发展的应用层, 利用通用平台，创新应用程序/服务/内容的公司可以构建庞大用户群。桌面互联网的 eBay, Yahoo, 移动互联网的 Facebook, Twitter, Snapchat等。国内互联网时代的金山、迅雷，移动互联网的滴滴、今日头条都是应用程序的典型代表。,AI生态系统拥有庞大的创新应用程序/服务/内容公司,1.8 基础设施通用平台应用层的发展路径, 每一轮科技革命均印证基础设施先行的发展路径 基础设施与通用平台易形成寡头垄断 应用层的发展愈来愈依托于生态,历代IT浪潮的发展路径,1.9 AI产业链完全遵从上述规律 产业链三层细化为四层,算力分为芯片与服务器算法也包括容器技术,算力服务器包括超融合, 应用增加下游,明确工业和法院下游,算力是AI基础需求,1.10 AI系列深度报告阐述过的逻辑 2016.11人工智能的”KNOW-HOW”时代如何理解非主题地投资人工智能,尚未提出算力、算法、数据（场景)分拆。几大产业链环节公司2017才算作AI推广元年算法、数据：应用落地的尝试。人工智能发展正处于Know-How时代，即基础算法已成熟，行业应用型算法及各类应用、商业模式快速丰富的时代, 2017.7 “技术冲击” AI细分行业的演进猜想人工智能投资展望,算法：并不关键。算法的边界是数据（场景）数据（场景）：六大下游展开。工业、安防、教育、医疗、汽车、金融等, 2017.10 人工智能芯片的竞争：GPU正红，ASIC拥抱未来算法系列报告之十五,算力： ASIC是增量，GPU现有成熟, 2017.11AI国芯破局，行业切入成长期-2018人工智能行业投资策略,算力：国产芯片破局。数据（场景）：手机、安防商业化场景形成，教育、医疗正孕育，AI行业从导入期切入成长期AI从导入期到成长期,主要内容,1. 回顾：IT七次浪潮与AI产业链2. AI芯片：GPU 7NM，ASIC延续,3. AI新算力与云： AI 服务器 & AISaaS前瞻4. AI 场景与“安迪-比尔”定律: 2018H2行业,展望,5. 投资建议：推荐 曙光/浪潮/赢时胜/华宇等,14,2.1 AI 技术三要素发展迅猛，算力是新起点 算力、算法与场景为AI 的铁三角 指数级的数据量增加倒逼算力基础设施的升级,AI 赋能行业不断增加，场景化落地加速AI 算法推陈出新，处理能力不断加强,场景安防/医疗/工业/自动驾驶/教育,算力GPU/ASIC/FPGA/TPU,算力、算法、场景是AI铁三角算法监督/半监督/无监督/强化/深度/迁移,未来全球数据量将指数级增长,2.2 GPU：由图像处理向AI处理转变 几何渲染是GPU的革命性创新,GPU体系结构上不再是流水线的形式, 而呈现并行机的特征对指令、纹理、数据精度等各方面的支持进一步完善, 支持整数, 单/双精度浮点数, 预计AMD VEGA也在优化,剔除游戏处理，增加AI指令处理NVIDIA AI GPU 产品线,2.2 GPU：由图像处理向AI处理转变,GPU 技术演进史,2.3 ASIC：层出不穷，已论证有机会, 通过加速大使用量算法实现。,根据谷歌目前三种类型的神经网络MLP、卷积、LSTM占了应用量的95%。,则TPU专门加速这三类算法。, 通过限制使用场景实现。早期研发不完善，会有功能选择。,TPU2性能弱于TPU1，原因为TPU1没有浮点计算，而浮点运算是训练所需。功能上需要做取舍。,不同芯片性能对比,资料来源：谷歌TPU论文、申万宏源研究,芯片各指标不能兼得，可对比蒙代尔不可能三角模型,2.4 ASIC：GPU VS 寒武纪，ASIC可用, 专用（芯片）再次走向通用（指令集）：,计算能力比较寒武纪（ASIC) 大部分AI操作性能不低于GPU根据谷歌目前三种类型的神经网络MLP、卷积,能耗比较寒武纪（ASIC) 大部分AI操作性能不差于GPU,GPU VS 寒武纪计算能力比较,GPU VS 寒武纪能耗比较 专用（芯片）再次走向通用（指令集） ：,2.5 连接AI芯片与AI服务器：从单一阵营到三大阵营,主要AI服务器使用的AI芯片可以分为GPU、FPGA、ASIC三大阵营,2.6 连接AI芯片与AI服务器：供应商仍为巨头, AI服务器最主要上游为AI芯片厂商，包括英特尔、英伟达、AMD、IBM等,处理器与GPU供应商以及XILINX等FPGA、ASIC供应商。,我国AI服务器上游主要芯片厂商格局,2.7 连接AI芯片与AI服务器：英伟达, 英伟达凭借在GPU领域的深厚积淀，推出P4、P40、P100等多系列多款可,用于深度学习、推理等AI领域的GPU产品。,英伟达服务器GPU产品线情况,2.8 连接AI芯片与AI服务器：英伟达, 英伟达GPU被集成于浪潮、曙光、IBM、联想、华为等众多服务器商的产品中，是目前主流的AI服务器芯片。英伟达也凭借其强大的研发能力、渠道基础以及产品性能在AI服务器产业链中占据重要地位。,以英伟达为主导的AI服务器产业链情况,2.9 连接AI芯片与AI服务器：英特尔, 英特尔也针对AI计算发布了用于训练、推理的多款高性能芯片，包括Xeon、,NNP、Movidius、Stratix等系列。主要优势为wintel生态系统。,英特尔AI计算芯片可用于训练与推理,2.10 连接AI芯片与AI服务器：AMD7nm GPU大突破 竞争对手短期难以赶超，7nm GPU 抢占下一代生态,Intel 10nm 芯片停滞不前NVIDIA Volta架构GPU 仍基于12nm制程工艺, 中科曙光与AMD的长期合作关系有望直接受益，而且预计完全国产产权 技术：领先,7nm GPU比12nm NVIDIA GPU领先带XGMI（GPU互联技术），带HBM（解决存储带宽问题）,AMD与天津海光合资企业股权结构中科曙光26.46%,天津海光70%49%成都海光微电子,AMD51%30%成都海光集成电路, 生态：兼容CUDAAMD发布7nm GPU,主要内容,1. 回顾：IT七次浪潮与AI产业链2. AI芯片：GPU 7NM，ASIC延续,3. AI新算力与云： AI 服务器 & AISaaS前瞻4. AI 场景与“安迪-比尔”定律: 2018H2行业,展望,5. 投资建议：推荐 曙光/浪潮/赢时胜/华宇等,26,3.1 传统CPU服务器已无法满足算力的增长 CPU 性能提升放缓，摩尔定律失效,Intel 宣布正式停用“Tick-Tock”处理器研发模式，未来研发周期将从两年周期向三年期转变单颗CPU性能的提升在放缓,6050403020100,摩尔定律失效,全球CPU性能增长遇到瓶颈（per socket，%）2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016,3.2 AI服务器:具备高算力的高性能服务器 一般将能够满足机器学习、训练、推理的超大算力要求，装载GPU等高性能计算卡的服务器定义为AI服务器，常用于图像识别、自然语言处理、医疗诊断、市场分析、故障检测等人工智能领域。,搭载FPGA、ASIC等新型芯片的服务器也属于AI服务器，广泛应用于推理等领域。, AI服务器一般以多节点服务器的形态出现。多节点节点且可扩展的架构满足灵活且快速变化的互联网行业。,刀片服务器由于其尺寸原因不适合放入多块GPU卡，因此较少应用于AI服务器设计。市场上常见AI服务器对比,3.3 AI服务器:具备高算力的高性能服务器, FPGA、ASIC服务器是AI服务器的两大新类型。,FPGA、ASIC服务器对比,3.4. 互联网、AI初创公司、传统行业：AI服务器三下游,2017年我国GPU服务器（AI服务器）主要下游是互联网,3.5. 互联网、AI初创公司、传统行业：AI服务器三下游 AI初创公司是AI服务器极具潜力的下游之一。目前AI初创公司覆盖医疗、传媒、金融、交运、政务、制造业、电信、零售等场景。,AI初创企业聚焦于用户，聚焦于特定领域和场景；提供SDK、端到端解决方案、定制化开发等；使用自有或用户的数据中心，或使用云服务，用于支持自身业务并提供AIaaS或打包解决方案。AI初创公司已经覆盖众多行业场景,3.6 互联网、AI初创公司、传统行业：AI服务器三下游 传统行业的AI应用类似于“海面下的冰山”，有待发掘。,在金融、电信、零售、医疗、制造业、传媒、政府、交运等领域有应用；挑战在于平台与应用开发以及算法是短板，且对AI投资的回报率认识有偏差；大多使用独立的基础设施方案或、使用云服务或使用SDK/API，标准架构。, AI服务器在传统行业的庞大潜在需求正在兑现：传统行业如电信行业需求已经开始导入，移动采购浪潮AI服务器即为佐证。,浪潮成为中国移动子公司咪咕文化科技有限公司(简称咪咕)2018年GPU服务器采购项目的最大供应商，获得亿元采购订单一半份额。浪潮将提供创新AI服务器AGX-2、高效深度学习并行计算框架Caffe-MPI和人工智能深度学习管理系统AIStation。,564.5,3.7 AI服务器已在迎来爆发式增长 相关标的：浪潮信息、中科曙光 单台盈利大幅增长,平均价格20万元，毛利率15%，GPU价格 2万+元传统服务器平均价值2万元，毛利率5%, CPU价格 3000元, AI算法的大规模应用带来AI基础设施建设高峰,腾讯云翻倍建设计划阿里云八大领域共进, 优秀的渠道建设能力与GPU服务器适配性成为领军公司的先发优势,320.6,78.6,46.9,43.1,28.8,17.7,10.5,9.4,6.2,2.8,500,100,300250200150,350,2017年我国GPU服务器主要厂商市场规模（百万美元）,1742.3,2336.4,2913.5,3408.8,60.00%170.7,230.70%,101.20%1135.8,53.40%,34.10%,24.70%,0.00%,50.00%17.00%,100.00%,200.00%150.00%,250.00%,0.0,1000.0500.0,1500.0,3500.03000.02500.02000.0,4000.0,2016,2017,2018,2019,2020,2021,2022,GPU服务器市场规模（左轴-百万美元）,同比增长（右轴）,我国GPU市场预测（2016-2022，百万美元）,3.8 AI与云产生交集，AIaaS刺激更多产业机会 “云计算化”和“AI化”是IT架构变化的两大驱动力。,云计算化：数据中心架构经历多次变革，从最初的大型机系统逐步演变为独立的服务器系统，随着软件技术的发展，又开始走向分布式的云架构。AI化：算力需求提升将增加对算力基础设施的投入。目前大多数神经网络计算仍然用于推理（部署）而不是训练，意味着公司需要重新调整用途或购买更多的芯片进行训练。传统CPU服务器不能满足大量并行算法的需求。随着GPU 进入7nm时代，AI GPU服务器的需求也将继续年化100%以上的增长。,全球数据创造量预测图,6050403020100,全球CPU性能增长遇到瓶颈（per socket，%）2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016,3.9 AIaaS将改变AI架构在“端”和“云”的分布,互联网巨头AIaaS布局情况对比, 目前各大云厂商都在积极部署AIaaS方案，涵盖AI各场景，将影响到本地、云端GPU服务器与AI解决方案的分布，云与AI的交集将提供更多变化可能，AI场景进展进一步对基础设施需求产生拉动。,3.10 算法、大数据、算力、场景驱动AI快速成长AI成长的四大驱动力,算法 机器学习，尤其是深度学习，在理论和实践上取得显著成果，已经成为识别与AI产品服务背后强大的技术推动力。,大数据 在大数据领域，过去两年产生的数据已经远远超过人类历史产生的数据之和，大量的数据给了机器学习尤其是深度学习坚实的认,知基础。,算力 以摩尔定律为原动力，算力基础设施迅速攀升（比如GPU运算），提供了坚实的物质基础。,场景 AI的应用价值同时吸引了投资者和使用者。各种场景，比如人脸识别、自动驾驶等为人们开放了广阔的应用市场。,3.11 云是AI的强载体，催化AI在初创、传统行业推进,视觉识别领域AI初创公司一览, 在算法的技术推动力下，云可以为AI提供海量数据和强大算力。初创公司、传统企业应用自建的AI云或外购的AI云服务，将催化AI应用的部署推进，形成视觉识别、语音识别、FinTech、大数据分析等产业机会。,3.12 云是AI的强载体，催化AI在初创、传统行业推进,语音识别领域AI初创公司一览,3.13 云是AI的强载体，催化AI在初创、传统行业推进,其他领域AI初创公司一览,媒体、金融业、教育、,3.14 云是AI的强载体，催化AI在初创、传统行业推进,传统行业AI部署情况,台服务器（训练、推理）、,3.15 云是AI的强载体，催化AI在初创、传统行业推进,传统行业AI部署情况（续表）,3.16 云与AI结合刺激容器/Docker平台 容器是一种新兴的轻量架构方案，能够高效利用系统资源（相同的硬件可以创建的容器数量是虚拟机的4-6倍）。,虚拟机管理程序对整个设备进行抽象处理，通常对系统要求很高，而容器只是对操作系统内核进行抽象处理，使用共享的操作系统，高效、成本低、可快速按需扩容、简化部署管理。, 容器非常有潜力替换虚拟机成为云计算的基础架构，并成为主流的软件应用承载模式。,相关标的：深信服、紫光股份相关标的：赢时胜、恒生电子,容器架构与虚拟化架构对比,主要内容,1. 回顾：IT七次浪潮与AI产业链2. AI芯片：GPU 7NM，ASIC延续,3. AI新算力与云： AI 服务器 & AISaaS前瞻4. AI 场景与“安迪-比尔”定律: 2018H2行业,展望,5. 投资建议：推荐 曙光/浪潮/赢时胜/华宇等,43,44,4.1 2017年判断AI场景分为三线 一线：工业、安防，技术成熟、数据容易获得、应用已初步验证 二线：教育、医疗，技术相对成熟、数据获取有渠道壁垒、应用落地需要较长测试期及整合。 三线：金融、无人驾驶。技术相关性较弱/数据难获得/应用需要长期测试及行,政允许,AI各行业有不同的技术冲击层次,机器学习,4.2 AI场景化落地加速, AI应用层根据服务的对象及解决的业务问题可以分为四大类应用,AI赋能企业运营管理,AI赋能行业应用AI赋能B2B服务,AI赋能消费级产品, AI算法的成熟、大规模的投入和平台型厂商的推广是AI场景化加速的主要原因,管理物流,人力销售,诊疗绩效,电信欺诈,AI 主要赋能场景IT绩效管理 反洗钱合同管理,智能家居设备,商业租赁法律无人机,机器人系统,零售视频分析定价资产,图像分析,零售 预测性分析旅行媒体健康保险投资,自然语言处理,APIs,生成假设,语音识别广告,人工智能生态系统,计算平台文本分析,金融研发,风险管理市场营销无人驾驶,4.3 安防 AI：最直接应用场景，开始全国落地, 嵌入式AI芯片革新助力AI安防迅速落地, “云边结合”前置智能算法，以边缘计算替代后端智能NVR实现特征提取，,人员检索功能，将成为安防智能化主体, 应用：实时交通监控解决方案、公安监控系统、运输公共信息共享平台等,安防AI在全国落地,4.3 安防 AI：产品的丰富带来附加值的提升 相关标的: 海康威视、大华股份、千方科技（宇视） 产品多样性与功能性不断加强,人像识别布控系统视频结构化分析系统车辆大数据平台警务大数据平台,AR实景指挥系统,安防AI在全国落地,4.4 工业AI :机器视觉与激光的完美结合, 相关标的: 宝信软件、新北洋、海康威视、汉得信息、 Keyence、Cognex、,Isra Vision, 重新定义工业，有望实现对检测人员的大量替代 检测数据的积累分析可进一步提升良率,激光检测在工业中的应用,4.5 金融 AI：出现智能风控与影像采集 相关标的： 同花顺、赢时胜、恒生电子、东方财富 AI策略从动量/舆情走向风控/数据库，开始反转 金融反诈骗,分析用户登陆行为、用户图关系、弱可信关系等, 影像采集,金融以身份认证为主,金融AI主要应用场景,4.6 医疗AI：医疗影像诊断率先突破 相关标的: 卫宁健康、和仁科技 多层神经网络技术的发展,多层神经网络构建的深度学习模型（DNN）是2017年发展最快的一项技术。DNN 的可解释性得到突破：将每一个神经元都与一个 topic 进行关联，于是整个网络变得具有可解释性。, 影像数据的大量积累 IDC预测，2017年医疗人工智能（AI）诊疗服务市场规模达到1.83亿元，预计到2022年将达到58.75亿元，2017至2022年的年复合增长率为100.1%。肝脏及肝肿瘤自动分割重建系统,4.7 教育AI：数据壁垒造就规模优势 相关标的: 科大讯飞、好未来（做题库即知识点颗粒化，与面部识别即衡量听课效果的结合） 数据壁垒决定具有规模优势。,巨头公司掌握更多维、更优质的数据资源，初创公司数据范围受限。, 语义理解算法的成熟。,结构化的数据，高频的练习让AI教育更多集中于练习阶段。结构化数据下高频练习使AI集中在练习阶段,4.8 汽车AI :智能驾驶尝试步入L4阶段, 汽车AI, 智能驾驶可理解为感知认知决策控制执行五层 AI GPU 推理端的应用 激光雷达的商业化,智能驾驶“感知、认知、决策、控制、执行”五大层次,主要内容,1. 回顾：IT七次浪潮与AI产业链2. AI芯片：GPU 7NM，ASIC延续,3. AI新算力与云： AI 服务器 & AISaaS前瞻4. AI 场景与“安迪-比尔”定律: 2018H2行业,展望,5. 投资建议：推荐 曙光/浪潮/赢时胜/华宇,53,5.1 年化市场空间：年化超400亿，算力增速块 AI GPU 芯片：2万/片 * 10万片 = 20亿元 AI ASIC芯片：2016年6亿美金，预计2022年60亿美金，CAGR达46.7%。, AI 服务器（GPU)：20万/台 * 35万台 = 70亿元 超融合/docker等：IDC预测2018超融合43亿，增速100%+。Docker使用率增速超100% 安防AI：,150亿，30%增长, 工业AI：,100亿，100%增, 其它AI场景：尚未统计,增）,国内每年AI市场空间与预计收入增速,5.2 推荐标的（曙光/浪潮/赢时胜/华宇）与关注 算力芯片：,推荐 中科曙光（唯一兼具X86/GPU生态与技术的公司）, AI服务器推荐：,推荐 浪潮信息（最高AI服务器市占率且利润高增）, AI云：,推荐 赢时胜（唯一Docker产生大量新收入）关注 广联达、石基信息、恒生电子, AI场景：,法院推荐 华宇软件（法院最高AI市占率）安防 推荐 海康威视（工业& 安防 最高AI收入与市占率）医疗推荐 和仁科技，关注 卫宁健康金融关注 同花顺、 科大讯飞、东方财富,5.3. 浪潮信息、中科曙光：我国AI服务器领军 浪潮与曙光是我国AI服务器领域的领军。其中浪潮信息2017年收入市场份额达到56.8%。,浪潮信息很早就布局AI板块，是英伟达的全球前五大客户之一，凭借完善的产品组合在互联网GPU服务器领域占有优势地位。中科曙光在互联网和教育领域占有14%的市场份额。,浪潮、曙光AI服务器在硬件、软件、服务各层的覆盖领域对比,InspurH3CDellLenovoNVIDIA,SugonOthersPowerleaderHuaweiIBM,2017年我国GPU （AI）服务器厂商市场份额,5.4.浪潮信息、中科曙光：我国AI服务器领军 浪潮信息AI服务器主要下游为互联网，2017年占收入85%。,浪潮是全球Super7互联网公司中的BAT的AI GPU服务器的主要供应商，并与科大讯飞、奇虎360、搜狗、今日头条、Face+等人工智能领先公司保持在系统与应用方面的深入紧密合作。, 中科曙光主要下游是互联网、教育，2017年占收入分别为53%、18%。,2017年浪潮GPU服务器收入细分（按下游行业）,2017年曙光GPU服务器收入细分（按下游行业）,互联网,教育,政府,其他,互联网,教育,服务,其他,5.5.浪潮信息、中科曙光：我国AI服务器领军 浪潮信息AI服务器产品线覆盖从2GPU到高密度的16GPU，代表产品有NF5288M4、 ABC一体机、 AI-SR Rack等 。中科曙光主要AI服务器为4或8GPU，代表产品有W580-G20、W780-G20等。 一般多于4张GPU的服务器在BAT市场占有最大份额，BAT更倾向于为内部AI平台与云AIaaS平台选购高性能、高密度的产品。初级客户主要部署双卡GPU服务器。,2017年浪潮GPU服务器收入细分（按GPU密度）,2017年曙光GPU服务器收入细分（按GPU密度）,2GPU,4GPU,8GPU,16GPU,4GPU,8GPU,收盘价（元）,证券代码,证券简称,2018/6/14,PB,申万预测EPS,PE,总市值（亿元）,2017A 2017A 2018E 2019E 2020E 2018E 2019E 2020E,603019.SH 中科曙光000977.SZ 浪潮信息300377.SZ 赢时胜300271.SZ 华宇软件002415.SZ 海康威视002410.SZ 广联达002153.SZ 石基信息600570.SH 恒生电子300253.SZ 卫宁健康300033.SZ 同花顺002230.SZ 科大讯飞300059.SZ 东方财富,46.5423.6613.7017.0438.4527.8728.1855.5213.4243.8735.6113.26,2902841031283,612301319356213247754683,9.213.903.803.4611.909.766.0711.608.227.789.774.65,0.480.330.280.501.020.420.390.760.141.350.210.12,0.800.490.410.651.250.390.460.910.201.640.310.25,1.330.730.600.851.580.490.551.200.271.950.450.41,1.901.650.791.031.860.730.681.610.342.310.670.51,5848332631716161672711553,353223202457514650227932,241417172138413439195326,5.6 估值表行业重点公司估值表,谢谢观看,